买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：合肥工业大学

摘要：本发明提出一种基于滚动轴承声振非平稳信号的故障诊断分类方法及系统，方法包括：采集轴承运转过程中故障的振动信号并将其作为原信号；对原信号进行局部均值分解获取其PF分量，根据PF分量对原信号进行重构获取重构信号，并通过互信息对PF分量进行筛选；将筛选得到的PF分量与振动信号的时域指标融合，并将融合后的特征进行PCA降维处理以获取特征向量；将特征向量输入至故障诊断分类模型，获取轴承的故障类型。本发明避免了LMD分解依靠经验判断选择PF分量的局限性，利用互信息准则，选取合适的PF分量，同时采用PSO优化DBN网络模型，选择最优DBN网络结构参数，避免了DBN容易陷入局部收敛的问题，提高其故障诊断分类的准确率。

主权项：1.一种基于滚动轴承声振非平稳信号的故障诊断分类方法，其特征在于，包括：S1、采集轴承运转过程中故障的振动信号X1t，并将其作为原信号；S2、对所述原信号进行局部均值分解，以获取其PF分量，并根据所述PF分量对所述原信号进行重构以获取重构信号X2t；S3、根据所述重构信号X2t并通过互信息对PF分量进行筛选；根据所述重构信号X2t并通过互信息对所述PF分量进行筛选包括：S31、分别计算各个PF分量与振动信号之间的互信息值；S32、将所述互信息值与阈值进行对比，以筛选出互信息值大于所述阈值的PF分量，其中，所述阈值根据下式进行确定： 其中，Imax表示所有互信息值中的最大值；Imin表示所述互信息值中的最小值；η为大于1的系数；通过下述公式确定其互信息大小： 其中，DPF表示PF分量的集合；DX1t表示振动信号的集合；pPF,X1t表示PF分量和振动信号X1t的联合概率分布；pPF和pX1t分别表示PF分量和振动信号X1t各自的边缘概率；其中，若PF分量和振动信号X1t之间相互独立，则其互信息值为零；反之，若PF分量和振动信号X1t之间的相关性越强，则其互信息值越大；S4、将筛选后得到的PF分量与所述振动信号的时域指标进行融合，并将融合后的特征进行PCA降维处理以获取特征向量；S5、将所述特征向量输入至故障诊断分类模型，获取所述轴承的故障类型，其中，所述故障诊断分类模型采用粒子群算法优化的深度置信网络模型。

全文数据：

权利要求：

百度查询： 合肥工业大学 基于滚动轴承声振非平稳信号的故障诊断分类方法及系统